cv academy6 kf .pdf


Nom original: cv_academy6_kf.pdf

Ce document au format PDF 1.4 a été généré par , et a été envoyé sur fichier-pdf.fr le 22/04/2009 à 12:42, depuis l'adresse IP 77.206.x.x. La présente page de téléchargement du fichier a été vue 1653 fois.
Taille du document: 325 Ko (4 pages).
Confidentialité: fichier public


Aperçu du document


NIVEAU INTERMÉDIAIRE

Vol.6

Formation aux systèmes de vision industrielle
MAÎTRISER LES PLUS RÉCENTES TECHNIQUES D’APPLICATION
Introduction
Êtes-vous intéressé par le traitement d’images (inspection par caméra) ?
Avez-vous envisagé d’automatiser l’inspection visuelle sur votre ligne de production ?
Avez-vous envisagé d’installer un capteur de vision industrielle, avant d’abandonner le projet devant la difficulté d’utilisation
apparente d’un tel système ?
Si vous répondez par l’affirmative à l’une de ces questions, ce guide d’utilisation propose des solutions professionnelles de
traitement d’images adaptées à l’automatisation des processus en usine.

N I V E AU I N T ER MÉDIAIR E

Principes de mesures dimensionnelles et de détection des contours
6−1

Exemples typiques d’inspection utilisant la détection des contours

Exemples typiques d’inspection
utilisant la détection des contours
OK

Mesure des dimensions de
goulots de bouteilles

NG

Détection de mauvais alignements
des oscillateurs en cristal
OK

NG

L’outil de largeur du contour est utilisé pour
vérifier le jeu entre le bouchon et la
bouteille.
Pour une mesure plus précise, le jeu est
détecté simultanément selon trois directions.

Les dimensions des bouteilles en PET sont contrôlées
afin d’éviter l’expédition de produits défectueux.
Un système de vision peut remplacer des méthodes
de contrôle par échantillonnage et augmenter
l’efficacité de l’inspection.

L’outil de largeur de contour peut être utilisé
pour détecter les couvercles mal alignés
d’oscillateurs en cristal.
En définissant plusieurs fenêtres de mesure,
la différence entre les contours est
clairement détectée.

L’utilisation de la détection des contours pour le contrôle dimensionnel est une évolution récente dans le domaine des
applications de capteurs d’images. Les outils de contours offrent une méthode simple mais stable de détection de
position, de largeur et d’angle d’une pièce. Ce guide présente les principes de la détection des contours, les lignes
directrices pour le choix des réglages optimaux et les méthodes de sélection des filtres de prétraitement permettant
d’obtenir une détection stable.

6−2

Principe de la détection des contours

Un contour est une limite qui sépare une zone lumineuse d’une zone sombre dans une image. Pour détecter un contour, cette
limite qui présente des nuances différentes doit faire l’objet d’un traitement. Les contours peuvent être obtenus au moyen du
processus en quatre étapes suivant.

(1) Réalisation du traitement par projection
Le traitement par projection
balaie l’image verticalement
pour obtenir l’intensité moyenne
de chaque ligne de projection.
La courbe d’intensité moyenne
de chaque ligne est appelée
courbe de projection.

Sens de détection du contour

Qu’est-ce que le traitement par projection ?
Courbe de
projection

Sens de projection
Lumineux (niveau 255)

Le traitement par
projection est utilisé
pour obtenir l’intensité
moyenne et réduire les
1 pixel
erreurs de détection
causées par les
parasites (bruit) dans la
zone de mesure.
Intensité
moyenne

Sombre (niveau 0)

(2) Réalisation du traitement différentiel
Des valeurs de déviation plus
importantes sont obtenues
lorsque les différences de
nuances sont plus distinctes.

Courbe différentielle
(courbe de force des contours)

+255

Qu’est-ce que le traitement différentiel ?
Le traitement différentiel élimine l’influence de la variation de
la valeur absolue de l’intensité pour la zone de mesure
considérée.
(Exemple) La valeur absolue de l’intensité est « 0 » s’il n’y a
pas de variation de nuance. Si la couleur change de blanc
(255) à noir (0), la variation est de -255.

-255

(3) La valeur de déviation maximum doit toujours être de 100%
Pour stabiliser la détection des contours en
conditions réelles de production, une
compensation interne est réalisée afin que la
valeur de déviation maximum soit toujours
égale à 100%. Ainsi, la position du contour
est déterminée à partir du pic de la courbe
différentielle, au point où elle dépasse la
sensibilité de contour spécifiée (%). Cette
méthode de normalisation des contours
garantit que le pic du contour est toujours
détecté, et stabilise l’inspection d’image,
sujette à erreur en cas de fréquentes
variations d’éclairage.

+255
L’amplitude de la courbe
différentielle diminue
Quand
il fait sombre

-255

Réglage sur 100%

+100%

L’amplitude de la courbe
différentielle augmente

Sensibilité de
contour

+255
Quand il y a
de la lumière

-100%

La détection des contours n’est pas affectée
par les variations d’éclairage car les conditions
internes de détection restent les mêmes.

-255

(4) Réalisation du traitement subpixel
Focalisation sur les trois pixels adjacents du pic de la courbe
différentielle et réalisation de calculs d’interpolation. Mesure de la
position des contours dans des unités allant jusqu’à 1/100ème de
pixel (traitement subpixel).

Image agrandie
Obtention de la position du pic à partir de
l’intensité des pixels adjacents.

Courbe différentielle

1 pixel

POINT DE 6 - 2
Le processus en quatre étapes décrit ci-dessus permet des contrôles de contours très précis et peu sensibles aux
fluctuations d’éclairage et autres perturbations.

2

6-3

Exemples d’inspections utilisant la détection des contours

La détection des contours comprend de nombreux outils parmi ceux présentés ci-dessous. Ce paragraphe présente des
exemples d’outils fréquemment utilisés.

Position des
contours

Nombre de
contours

Largeur du
contour

Paire de
contours

Angle du
contour

Écart entre
contours

Largeur de
Position de
contour évolutif contour évolutif

Exemple 1. Inspections utilisant la position du
contour

Exemple 2. Inspections utilisant l’outil de
largeur du contour

Les coordonnées X et Y de la cible sont mesurées en
définissant des fenêtres de position de contour en plusieurs
endroits.

En utilisant la fonction « diamètre extérieur » de l’outil de
largeur du contour, la largeur de la plaque de métal et le
diamètre du trou peuvent être mesurés suivant X et Y.

Coordonnées
à l’intersection

1. Largeur de la plaque :
16,025 mm
2. Diamètre du trou :
X : 8,105 mm
Y : 8,210 mm

X 15,640 mm
Y 09,850 mm

3. Rebord :
Gauche : 1,210 mm
Droite : 1,230 mm

Exemple 3. Inspections utilisant la zone de
circonférence de la position du contour

Exemple 4. Inspections utilisant la largeur de
contour évolutif

L’angle (phase) de l’encoche est mesuré en définissant la
zone de mesure comme une « circonférence ».

Utilisation de l’outil de largeur de contour évolutif pour
balayer le diamètre interne et évaluer le degré de planéité.

Diamètre
interne
maximum
207,325 mm

Angle : 28 degrés

OUTIL DE CONTOUR ÉVOLUTIF

Rétrécissement sur des
pièces en résine

Éclats sur une garniture
en caoutchouc

Des changements très légers sont
détectés à coup sûr.

Dans le cas d’une cible circulaire,
l’outil de contours tourne autour
de la circonférence et détecte
l’éclat sur le contour.

L’outil de position du contour évolutif combine un groupe de fenêtres de
contour étroites pour détecter la position du contour de chaque point.
Comme toutes les données sont collectées par un seul outil d’inspection, il
est facile de détecter des fluctuations minimes en calculant les valeurs
minimum, maximum et moyenne sur l’ensemble de la pièce.

❙ Principe de détection
La largeur du contour et la position du contour de chaque point sont détectées
en déplaçant des segments étroits suivant de petits incréments.
❙ Si une détection de position très précise est nécessaire,
réduisez la taille du segment.

Pas de déplacement
du segment
Bord détecté
(valeur maximum)
Zone de mesure
Taille du segment

❙ Si une détection de position très précise est nécessaire,
réduisez le pas de déplacement du segment.
❙ Si une détection de position très précise est nécessaire,
La direction de déplacement du segment.

Objet cible
Sens
d’évolution

Bord détecté
(valeur minimum)

*Pour la détection des contours, faites tourner le segment dans le sens d’évolution.

Pas de déplacement
du segment
Taille du segment
Sens
d’évolution

Bord détecté
(valeur maximum)
Bord détecté
(valeur minimum)
Objet cible

Zone de mesure
Sens de détection des contours

3

6-4

Filtre de prétraitement pour une meilleure stabilisation de la détection des contours

Pour la détection de contours, il est très important d’éliminer les variations des contours. Les filtres Median (de médiane) et
Average (de moyenne) sont efficaces pour stabiliser la détection des contours. Ce paragraphe présente les caractéristiques de
ces filtres de prétraitement et la bonne méthode de sélection.
Image originale

Average

Median

Répétabilité = 0,045 pixels

Répétabilité = 0,100 pixels

Filtre de moyenne avec 3 x 3 pixels. Ce filtre
réduit efficacement l’influence des
composantes de bruit.

Répétabilité = 0,057 pixels

Filtre de médiane avec 3 x 3 pixels. Ce
filtre réduit l’influence des composantes de
bruit tout en conservant la netteté des
contours de l’image.

Comment optimiser le filtre de prétraitement
Bien que les filtres Median et Average permettent en général de stabiliser les contours, il est difficile de savoir lequel est efficace
pour l’objet cible. Ce paragraphe présente une méthode d’évaluation statistique des variations des mesures lors de l’utilisation de
ces filtres.
La série CV (CV-2000 et suivants) est équipée d’une fonction d’analyse statistique.
Cette fonction enregistre les données mesurées en interne et réalise
simultanément une analyse statistique.
En mesurant de façon répétée la cible statique sans filtre, avec « Median »,
« Average », « Median + Average » et « Average + Median », le filtre optimal peut
être sélectionné.

Généralement, le filtre optimal est celui
présentant la déviation minimum
(différence entre les valeurs maximum et
minimum).

Notez les quatre points suivants pour une utilisation efficace des outils de contour avec un capteur d’image :
(1) La compréhension du principe de la détection de contours permet de réaliser facilement les réglages adaptés.
(2) La compréhension des capacités des différents outils de contour permet d’améliorer de façon significative la précision
du contrôle.
(3) La référence à des exemples typiques de détection permet de mettre en œuvre rapidement une détection précise.
(4) La sélection du filtre optimal de prétraitement permet de stabiliser la détection.
Les spécifications sont sujettes à changement sans préavis.

CONTACTEZ NOUS : +33

(0) 1 56 37 78 00

www.keyence.fr
E-mail : in fo@ keyence.fr

KEYENCE FRANCE S.A.
Siège social Le Doublon, 11 avenue Dubonnet – 92407 COURBEVOIE CEDEX Tél. : +33 (0) 1 56 37 78 00 Fax : +33 (0) 1 56 37 78 01
Agence RHONE-ALPES

KEYENCE AG

Agence EST

Agence OUEST

BELGIUM

Agence LILLE

Agence SUD-OUEST

KEYENCE CANADA INC.

SWITZERLAND

BELGIUM

Siège social

Montreal

Tél. : +41 (0) 43 455 77 30
Fax : +41 (0) 43 455 77 40
E-mail : info@keyence.ch

Tél. : +32 (0) 2 716 40 63
Fax : +32 (0) 2 716 47 27
E-mail : info@keyence.de

Tél. : +1-905-696-9970
Fax : +1-905-696-8340
E-mail : keyence@keyence.com

Tél. : +1-514-694-4740
Fax : +1-514-694-3206
KF1-0058

© KEYENCE CORPORATION, 2008


cv_academy6_kf.pdf - page 1/4


cv_academy6_kf.pdf - page 2/4


cv_academy6_kf.pdf - page 3/4

cv_academy6_kf.pdf - page 4/4


Télécharger le fichier (PDF)


cv_academy6_kf.pdf (PDF, 325 Ko)

Télécharger
Formats alternatifs: ZIP



Documents similaires


o0u677l
35qzl37
5z82pt3
ak65s3m
8mfn68j
corrige 2010 2011